第一章：計量經(jīng)濟學(xué)導(dǎo)論引言第1節(jié) 什么是計量經(jīng)濟學(xué)1.1 計量經(jīng)濟學(xué)的定義1.2 計量經(jīng)濟學(xué)的學(xué)科特點第2節(jié) 計量經(jīng)濟研究的步驟2.1 計量經(jīng)濟模型與實證分析2.2 計量模型與經(jīng)濟模型2.3 計量經(jīng)濟研究的基本步驟第3節(jié) 計量經(jīng)濟學(xué)涉及的主要數(shù)據(jù)類型3.1 時間序列數(shù)據(jù)3.2 橫截面數(shù)據(jù)3.3 混合截面數(shù)據(jù)3.4 面板數(shù)據(jù)3.5 常用數(shù)據(jù)集第4節(jié) 計量經(jīng)濟學(xué)的主要研究方法第5節(jié) 計量經(jīng)濟分析軟件本章總結(jié)思考與練習(xí)第二章：Eviews 與SAS軟件簡介第1節(jié) Eviews簡介1.1 Eviews的界面1.2 建立文件1.3 數(shù)據(jù)錄入1.4 數(shù)據(jù)描述和簡單數(shù)據(jù)處理第2節(jié) SAS簡介2.1 SAS的界面2.2 SAS語言構(gòu)成簡述2.3 SAS程序的基本規(guī)則2.4 數(shù)據(jù)錄入2.5 數(shù)據(jù)描述2.6 數(shù)據(jù)集的合并2.7 簡單變量處理2.8 一個應(yīng)用實例本章總結(jié)思考與練習(xí)第三章：簡單線性回歸模型第1節(jié) 回歸的含義第2節(jié) 回歸的幾個基本概念2.1 回歸函數(shù)2.2 隨機誤差項第3節(jié) 一元回歸模型的估計3.1 最小二乘法及參數(shù)估計3.2 最小二乘估計量的性質(zhì)第4節(jié) 計算機應(yīng)用實例4.1 Eviews4.2 SAS本章總結(jié)思考與練習(xí)第四章：多元線性回歸模型第1節(jié) 多元線性回歸模型的含義1.1 多元回歸模型與偏回歸系數(shù)1.2 多元回歸模型的優(yōu)勢第2節(jié) 多元線性回歸的參數(shù)估計--普通最小二乘法2.1 回歸系數(shù)的估計2.2 多元回歸系數(shù)的解釋2.3 多元回歸系數(shù)的性質(zhì)2.4 擬合優(yōu)度第3節(jié) OLS的有效性--高斯-馬爾可夫定理第4節(jié) OLS估計量的方差第5節(jié) 計算機應(yīng)用實例5.1 Eviews5.2 SAS本章總結(jié)思考與練習(xí)第五章： 假設(shè)檢驗第1節(jié) 假設(shè)檢驗的基本原理1.1 假設(shè)檢驗的定義和基本原理1.2 假設(shè)檢驗的重要概念1.3 假設(shè)檢驗的基本步驟第2節(jié) 單參數(shù)假設(shè)檢驗：t檢驗2.1 正態(tài)樣本分布原理2.2 t檢驗的原理2.3 單尾t檢驗和雙尾t檢驗2.4 t檢驗的p值 第3節(jié) 置信區(qū)間3.1 置信區(qū)間的概念3.2 置信區(qū)間的計算方法3.3 t檢驗的置信區(qū)間第4節(jié) 多參數(shù)假設(shè)檢驗：F檢驗4.1 F檢驗的原理4.2 F統(tǒng)計量和t統(tǒng)計量的關(guān)系4.3 回歸整體顯著性的F檢驗4.4 一般線性約束第5節(jié) 計算機應(yīng)用實例5.1 Eviews5.2 SAS本章總結(jié)思考與練習(xí)第六章：方程形式的選擇與虛擬變量的使用第1節(jié) 雙對數(shù)線性模型1.1 雙對數(shù)線性模型的定義1.2 雙對數(shù)線性模型的應(yīng)用第2節(jié) 半對數(shù)線性模型2.1 因變量是對數(shù)形式的半對數(shù)模型2.2 自變量是對數(shù)形式的半對數(shù)模型第3節(jié) 多項式回歸模型第4節(jié) 虛擬變量在多元回歸分析中的應(yīng)用4.1 虛擬變量的定義4.2 虛擬變量的引入及解釋4.3 虛擬變量陷阱4.4 多個虛擬變量的使用4.5 含虛擬變量的交叉項在回歸中的使用第5節(jié) 常見的模型設(shè)定錯誤5.1 遺漏變量5.2 過度擬合5.3 度量誤差第6節(jié) 數(shù)據(jù)測度單位6.1 數(shù)據(jù)測度單位對回歸系數(shù)的影響6.2 數(shù)據(jù)測度單位對統(tǒng)計檢驗和擬合優(yōu)度的影響第7節(jié) 計算機應(yīng)用實例本章總結(jié)思考與練習(xí)第七章：時間趨勢與季節(jié)性 第1節(jié) 時間趨勢模型1.1 線性回歸模型中的時間趨勢1.2 對數(shù)回歸模型中的時間趨勢1.3 多項式形式的時間趨勢第2節(jié) 消除時間趨勢的方法第3節(jié) 季節(jié)性第4節(jié) 消除季節(jié)性的方法第5節(jié) 計算機應(yīng)用實例5.1 Eviews5.2 SAS本章總結(jié)思考與練習(xí)第八章：異方差與自相關(guān)第1節(jié) 異方差性第2節(jié) 對異方差的檢驗2.1 異方差檢驗的基本思想2.2 布羅施-帕甘檢驗2.3 懷特檢驗第3節(jié) 對異方差的修正第4節(jié) 序列自相關(guān)第5節(jié) 對序列自相關(guān)性的檢驗第6節(jié) 序列自相關(guān)模型的修正6.1 已知情況下的修正方法6.2 未知情況下的修正方法第7節(jié) 計算機應(yīng)用實例7.1 Eviews和SAS中對異方差的診斷7.2 對異方差的修正7.3 Eviews和SAS中對自相關(guān)性的診斷與修正本章總結(jié)思考與練習(xí)第九章：經(jīng)典時間序列模型第1節(jié) 時間序列的結(jié)構(gòu)與平穩(wěn)性1.1 時間序列的基本概念1.2 時間序列的平穩(wěn)性第2節(jié) ARMA過程和ARIMA過程2.1 自回歸移動平均過程（ARMA）2.2 差分自回歸移動平均過程（ARIMA）第3節(jié) ARIMA過程的估計方法3.1 Wald分解定理3.2 博克斯-詹金斯方法第4節(jié) 計算機應(yīng)用實例4.1 Eviews4.2 SAS本章總結(jié)思考與練習(xí)第十章：時間序列的深入專題第1節(jié) VAR模型1.1 向量自回歸模型（VAR）1.2 格蘭杰因果關(guān)系第2節(jié) ARCH模型與GARCH模型2.1 自回歸條件異方差模型(ARCH)2.2 廣義自回歸條件異方差模型(GARCH)第3節(jié) 非平穩(wěn)時間序列與單位根檢驗3.1 單位根過程3.2 平穩(wěn)性檢驗第4節(jié) 協(xié)整第5節(jié) 計算機應(yīng)用實例5.1 VAR模型的應(yīng)用5.2 GARCH模型的應(yīng)用本章總結(jié)思考與練習(xí)第十一章：混合截面數(shù)據(jù)模型第1節(jié) 混合截面數(shù)據(jù)的性質(zhì)第2節(jié) 混合截面數(shù)據(jù)的檢驗2.1 結(jié)構(gòu)突變2.2 利用分樣本回歸檢驗結(jié)構(gòu)突變2.3 利用虛擬變量檢驗結(jié)構(gòu)突變第3節(jié) 利用獨立混合截面進行政策分析3.1 自然實驗3.2 倍差法第4節(jié) 計算機應(yīng)用實例4.1 結(jié)構(gòu)突變檢驗4.2 DID模型本章總結(jié)思考與練習(xí)第十二章：面板數(shù)據(jù)模型第1節(jié) 面板數(shù)據(jù)的性質(zhì)第2節(jié) 一階差分模型第3節(jié) 固定效應(yīng)模型3.1 固定效應(yīng)模型的原理和常規(guī)估計方法3.2 最小二乘虛擬變量估計法第4節(jié) 隨機效應(yīng)模型4.1 隨機效應(yīng)模型的原理和估計方法4.2 FE模型、RE模型與混合數(shù)據(jù)OLS模型的比較4.3 模型選擇與豪斯曼檢驗第5節(jié) 計算機應(yīng)用實例本章總結(jié)思考與練習(xí)第十三章：二元選擇模型第1節(jié) 二元選擇問題第2節(jié) 線性概率模型第3節(jié) Probit模型和Logit模型3.1 模型的基本原理3.2 模型的估計方法3.3 邊際效應(yīng)的計算3.4 參數(shù)檢驗第4節(jié) 二元選擇模型的比較第5節(jié) 計算機應(yīng)用實例本章總結(jié)思考與練習(xí)第十四章：截取與斷尾數(shù)據(jù)模型第1節(jié) 截取數(shù)據(jù)與斷尾數(shù)據(jù)第2節(jié) Tobit模型2.1 Tobit模型的基本概念2.2 Tobit模型的性質(zhì)2.3 右側(cè)截取數(shù)據(jù)模型第3節(jié) 斷尾數(shù)據(jù)模型第4節(jié) 計算機應(yīng)用實例本章總結(jié)思考與練習(xí)第十五章：內(nèi)生性與工具變量估計第1節(jié) 內(nèi)生性1.1 內(nèi)生性的概念及產(chǎn)生原因1.2 內(nèi)生性造成的后果第2節(jié) 工具變量估計2.1 工具變量的選擇標準2.2 簡單線性回歸中的工具變量估計2.3 多元線性回歸中的工具變量估計第3節(jié) 工具變量選取實例第4節(jié) 兩階段最小二乘法第5節(jié) 豪斯曼檢驗第6節(jié) 識別條件的判定及檢驗6.1 模型可識別性的判定6.2 薩根-巴斯曼檢驗第7節(jié) 計算機應(yīng)用實例本章總結(jié)思考與練習(xí)第十六章：回歸方程系統(tǒng)模型第1節(jié) 回歸方程系統(tǒng)第2節(jié) 似不相關(guān)回歸模型第3節(jié) 聯(lián)立方程模型--簡介第4節(jié) 聯(lián)立方程模型的識別4.1 可識別性的定義和應(yīng)用4.2 用階條件和秩條件判定模型的可識別性第5節(jié) 聯(lián)立方程模型的估計第6節(jié) 計算機應(yīng)用實例6.1 似不相關(guān)回歸模型應(yīng)用實例6.2 聯(lián)立方程模型應(yīng)用實例本章總結(jié)思考與練習(xí)